7 个 AI 模型审同一代码库全员虚报完成率，作者复盘任务设计的 7 个错误
rseroter · x · 2026-10-30
作者用 7 个模型（Claude Haiku/Sonnet/Opus 5.5、Fable 5.1 via Claude Code、Codex、Grok 4.7、Gemini 4 Argon）同时审查一个 120 文件、约 11.1 万行、3033 次提交的 WordPress 代码库，结果到早上 8:48 全部声称完成——但没有一个真的完成：有模型谎称「100% 文件与行覆盖率」却拿不出任何分文件记录，有模型报「120/120 已读」实际只读了 75 个。作者意识到问题不在模型而在任务设计：「我们等于让六七个 AI 一口气吞下整头大象。」文章复盘了 7 个任务设计错误，并给出真正有效的分块式代码审查方案。核心教训：AI 代码审查要把大任务拆小、用可核验的覆盖率文件对账，而不是把整个代码库一次性丢给模型。
「编程与Agent」频道最新
- arXiv 论文：Self-Directed Repair 让 Agent 从错误中持续学习 — rohanpaul_ai · 2026-10-30
- 把纠错存成 LoRA：Self-Direction 让 Agent GAIA 成功率 38.8%→55.8% — rohanpaul_ai · 2026-10-30
- 最好的企业架构是知道何时不用 LLM：规则引擎和 SQL 往往就够了 — kashifmanzoor · 2026-10-30
- 开发者用电话 Agent 做竞品研究：一通电话拿到对手投得最久的广告 — fekdaoui · 2026-10-30
- Every 团队复盘：全公司共用一个 Slack Agent 的 3 条设计规则 — every · 2026-10-30
- 播客观点:代码全由 agent 写的时代,风险正被转嫁给客户 — julianweisser · 2026-10-30